TEKNIK BAYESIAN NETWORK PADA PENGOLAHAN CITRA UNTUK IDENTIFIKASI

Erwin Erwin, Rossi Passarella

Abstract


Teknik identifikasi yang merupakan pengembangan dari teknik biometrik yang berdasarkan pada beberapa ciri alami manusia. Salah satunya menggunakan iris matamanusia. Selaput pelangi mata digunakan untuk mengetahui gambaran kondisi kesehatan manusia.Pada penelitian ini, kondisi usus besar(colon) akan diamati melalui selaput pelangi mata, dimana kondisi colon ini akan tergambar pada zona 2 dan 3 dari selaput pelangi mata, sedangkan kondisi colon akan dikelompokan menjadi 4 (empat) kondisi, yaitu Colon Normal, Ballooned Sigmoid, Diverticulata, dan Spasm. Kumpulan piksel citra iris mata digunakan untuk mengidentifikasi citra sebagai sistem cerdas dengan menggunakan teknik Bayesian Network. Teknik Bayesian Network berbasis probabilitas yang mereprentasikan suatu himpunan variabel dan conditional interdependencies menggunakan DAG(Directed Acyclic Graph). Teknik ini merupakan pengembangan dari modeldasar Naïve Bayes. Data uji merupakan hasil pengambilan data pasien rumah sakit di Palembang diperoleh sebanyak 94 citra. Tingkat akurasi dalam identifikasi untuk Naïve Bayes sebesar 63,83% dan Bayesian Network sebesar 70,21%

Keywords


Identifikasi, Iris mata, Bayesian Network

Full Text:

PDF

References


Corwin, Elizabeth J. (2009). Buku Saku Patofisiologi. Buku Kedokteran EGC, Jakarta

Duin, R., & Pekalska, E. (2007). The science of pattern recognition. Achievements and perspectives. Challenges for Computational Intelligence, 221-259.

Erwin, Muhammad Fachrurrozi, Rossi Passarella dan Annisa Darmawahyuni. (2013). Identifikasi Ganguan Usus Besar Berdasarkan Citra Iris Mata Menggunakan Metode Naïve Bayes. Seminar Nasional Matematika, Sain dan Teknologi Tahun 2013, Jakarta

Friedman N, Linial M, Nachman I, Pe’er D .(2000). Using bayesian network to analyze expression data.Comput Biol 7:601–620

Gamez, J.A, J.L. Mateo, J.M. Puerto. (2010). Learning Bayesian Networks by Hill Climbing: Efficient Methods Based on Progressive Restriction of The Neighborhood, Data Mining Knowledge Disc,22:106:148

Gat-Viks, I, A. Tanay, D. Raijman and R. Shamir. (2006). A Probabilistic Methodology for Integrating Knowledge and Experiments on Biological Network, Vol. 13. No. 2, Pp 115-181

Hanson, K. M. (1987). Bayesian and related methods in image reconstruction from incomplete data. Image Recovery: Theory and Application, 79-125

Helman, P, R. Veroff, S.R. Atlas and C. Willman. (2004). A Bayesian Network Classification Methodology for Gene Expression Data, Journal of Computational Biology, Vol 11 No. 4, Pp 581-615

Jensen, B.(1980), Iridology Simplificated, Bernard Jensen Enterproses CA 92025, California

Jiang, Liangxiao et al. (2005). Learning Tree Augmented Naive Bayes for Ranking. University of Geosciences Wuhan, China and University of New Brunswick, Canada.

Masek, L. (2003). Recognition of human iris patterns for biometric identification. M. Thesis, The University of Western Australia, 3.

Pramono, M. (2006). Aplikasi Metode Backpropagation untuk Pengenalan Perubahan Abnormal Organ Pankreas melalui Iris Mata, SNATI 2006. Yogyakarta

Rochmad, M.( 2009). Identifikasi Kerusakan Pankreas Melalui Iridology Menggunakan Metode Bayes Untuk Pengenalan Diabetes Mellitus. Makalah Seminar Nasional Informatika 2009 (semnasIF 2009). Yogyakarta

Rossi Passarella, Erwin, M. Fachrurrozi dan Sutarno. (2013). Development of Iridology System Database for Colon Disorders Identification using Image Processing. Indian Journal of Bioinformatics and Biotechnology (IJBB), Vol 2(6):100-103

WenChen X, Anantha G, Lin X.(2008).Improving Bayesian network structure learning with mutual information-based node ordering in the k2 algorithm. IEEE Trans Knowl Data Eng 20(5):628–640

Witten IH, Frank E.(2005).Data mining: practical machine learning tools and techniques, 2nd edn. MorganKaufmann, San Francisco

Wong ML, Leung KS.(2004).An efficient data mining method for learning Bayesiannetworks using anevolutionary algorithm-based hybrid approach. IEEE Trans Evol Comput 8(4):378–404




License URL: https://creativecommons.org/licenses/by-nc/4.0